Python numpy数组分配问题

我在Python2.6.5中遇到了一个关于Numpy的奇怪问题。我分配一个numpy数组，然后将一个新变量等同于它。当我对新数组执行任何操作时，原始数组的值也会更改。为什么呢？请参见下面的示例。请指教我，因为我对Python和一般编程都相当陌生

-苏扬

>>> import numpy as np
>>> a = np.array([[1,2],[3,4]])
>>> b = a
>>> b
array([[1, 2],
       [3, 4]])
>>> c = a
>>> c
array([[1, 2],
       [3, 4]])
>>> c[:,1] = c[:,1] + 5
>>> c

array([[1, 7],
       [3, 9]])
>>> b
array([[1, 7],
       [3, 9]])
>>> a
array([[1, 7],
       [3, 9]])

---

这其实根本不是问题；这是Python中数组（和其他对象）的工作方式

请这样想：您在代码示例中创建的数组是位于内存中某个位置的对象。但是，您不能通过告诉Python在内存中的何处查找它来在程序中使用它；你必须给它起个名字。当你写作时

a = np.array([[1,2],[3,4]])

b = a.copy()

您既要创建数组，也要创建一个引用它的名称，

a

。从那时起，Python就知道

a

指的是“内存地址0x123674283”（或其他什么）。Python运行时中有一个内部表（如果我没记错的话，称为“符号表”）包含所有这些信息，因此在运行上述Python代码行之后，该表将包含

...,
'a' : 0x123674283,
...

将一个变量的值赋给另一个变量时，如

b = a

---

Python不会复制整个数组，因为如果它是一个大数组，则需要很长时间。而是转到符号表，将

a

的内存地址复制到

b

表中的新行。所以你最后和

...,
'a' : 0x123674283,
...,
'b' : 0x123674283,
...

你看，

a

和

b

实际上指的是内存中的同一个位置，即同一个对象。对其中一个的任何更改都会反映在另一个中，因为它们只是同一事物的两个名称

如果要实际创建数组的副本，必须调用一个方法来显式执行该操作。Numpy数组有一个

copy

方法，可用于此目的。所以如果你写

a = np.array([[1,2],[3,4]])

b = a.copy()

然后Python将首先实际创建数组的副本-也就是说，它留出一个新的内存区域，比如在地址0x123904381处，然后转到内存地址0x123674283，并将数组的所有值从内存的后一部分复制到前一部分。所以你在记忆中有两个不同的地方有相同的内容

...,
'a' : 0x123674283,
...,
'b' : 0x123904381,
...

---

现在，当您更改

b

的一个元素时，该更改不会显示在

a

中，因为

a

和

b

不再引用计算机内存的同一部分。由于阵列数据有两个独立的副本，因此可以更改其中一个副本而不影响另一个副本。

简单地说，变量赋值会创建对现有对象的新引用

  A = object   # A points to object in memory
  B = A        # B points to the same object

---

非常感谢您的精彩描述。不用说，这解决了问题，但我真的很感谢你花时间解释问题。你启发了我！“Python不复制整个数组，因为如果它是一个大数组，那么它需要很长时间。”——我想说的是它不需要花费更多的时间，而且如果你不以这种方式实现，更多的是需要引入一个单独的指针类型，而那些复杂的事情。C++语言，

b=a

是指针赋值。不是赋值。